美团发布LongCat-Video，实现5分钟高质量视频生成

快速阅读: 美团发布最新视频生成模型LongCat-Video，基于DiT架构，支持文本、图像生成视频及视频续写，能连续生成5分钟高清视频，保持质量稳定，显著提高长视频生成效率。

近日，美团正式发布了其最新的视频生成模型——LongCat-Video，标志着其在人工智能领域取得了重要进展。LongCat-Video 旨在帮助AI更好地理解和重构现实世界，促进世界模型研究的发展。作为一种能模拟物理规律和场景逻辑的智能系统，LongCat-Video 为AI赋予了“洞察”世界运行本质的能力。

该模型基于Diffusion Transformer（DiT）架构，能够应对多种视频生成任务，如文本生成视频、图像生成视频及视频续写。其亮点在于，不同生成任务无需额外模型适配，形成了一套完整的任务体系。例如，文本生成视频可生成720p、30fps的高清视频，精确解析文本指令，展现优秀的语义理解和视觉呈现能力。图像生成视频则确保严格保留参考图像的各项特征，保证动态过程符合物理规律。视频续写功能是LongCat-Video的核心优势之一，可根据多帧前序内容续接视频，为长视频生成提供强大的技术支持。

LongCat-Video具备出色的长视频生成能力，能连续输出长达5分钟的视频，且在生成过程中保持质量稳定。通过先进技术手段，有效避免了色彩偏移和画质下降，确保了跨帧时序一致性和物理运动合理性。此外，LongCat-Video结合了块稀疏注意力和条件token缓存机制，显著提高了长视频生成的效率，解决了长视频生成中时长与质量的矛盾问题。

在高分辨率和高帧率的视频生成中，LongCat-Video通过多项优化策略，加快了推理速度，确保了生成质量和效率的最佳平衡。该模型经过严格的内部和公开基准测试，展示了卓越的通用性能，综合能力达到开源领域的领先水平。

LongCat-Video的发布为创作者开启了长视频创作的新篇章，使得视频生成更加便捷高效。

(以上内容均由Ai生成)